Universelle Zeitreihenmodelle: Fehltritt – Zeitreihen brauchen spezialisierte Agenten

In einem neuen Positionspapier wird die Idee, universelle Basismodelle für Zeitreihen zu entwickeln, als grundlegend fehlgeleitet dargestellt. Der Autor argumentiert, dass Zeitreihen nicht als einheitliche Modality betrachtet werden können, sondern unterschiedliche generative Prozesse aufweisen – von Finanzdaten bis hin zu Fluiddynamik. Diese Vielfalt führt dazu, dass monolithische Modelle zu teuren „Generic Filters“ degradiert werden, die unter veränderlichen Verteilungen kaum generalisieren.

Um diese Problematik zu beleuchten, wird die „Autoregressive Blindness Bound“ eingeführt, ein theoretischer Grenzwert, der zeigt, dass Modelle, die ausschließlich auf historischen Daten basieren, keine durch Interventionen ausgelösten Regimewechsel vorhersagen können. Das Papier fordert daher einen Paradigmenwechsel: Statt universeller Modelle sollte ein „Causal Control Agent“ eingesetzt werden, der externe Kontexte nutzt, um eine Hierarchie spezialisierter Solver zu orchestrieren – von festen Domänenexperten bis hin zu leichtgewichtigen Just-in-Time‑Anpassern.

Abschließend wird ein neuer Bewertungsrahmen vorgeschlagen: anstelle von „Zero-Shot Accuracy“ sollten Benchmarks die „Drift Adaptation Speed“ messen. Dieser Ansatz legt den Fokus auf robuste, kontrolltheoretische Systeme, die sich dynamisch an veränderte Datenbedingungen anpassen können. Das Papier ruft die Forschungsgemeinschaft dazu auf, die Entwicklung von Zeitreihenmodellen neu zu überdenken und die Kontrolle über die Modellarchitektur stärker in den Vordergrund zu stellen.